Industrial Internet of Things (IIoT)

Was ist das Industrial Internet of Things (IIoT)?

Der Begriff Industrial Internet of Things (kurz IIoT) bezeichnet das sogenannte Internet der Dinge im industriellen Umfeld. Unter dem Internet der Dinge (Internet of Things, IoT) versteht man Gegenstände wie Sensoren, Aktoren oder andere physikalische Objekte, welche mit anderen Systemen und Geräten über das Internet vernetzt sind.

Industrial Internet of Things wendet diese Art des Netzwerks und der Vernetzung in einer industriellen Umgebung an, weshalb es auch häufig als Teil der Industrie 4.0 gesehen wird. Industrial Internet of Things wird dabei neben Machine-to-Machine-Kommunikation, Cyber-Physical Systems und Cognitive Computing als integraler Bestandteil der Industrie 4.0 gesehen, welche auch in Verbindung und Abhängigkeit zueinanderstehen.

Wie funktioniert das IIoT?

Da IIoT ein Netzwerk beschreibt, welches dafür genutzt wird, damit Systeme und Geräte damit kommunizieren, sind zumindest folgende Bestandteile notwendig. Zum einen müssen die Geräte in der Lage sein, Informationen selbstständig zu erfassen, zu speichern und zu kommunizieren. Zum anderen muss die notwendige Netzinfrastruktur vorliegen, damit Daten auch übertragen werden können. Schließlich werden auch Anwendungen benötigt, welche die gesammelten Daten verarbeiten können, um dadurch verwertbare Informationen zu generieren, welche schlussendlich zur Entscheidungsfindung herangezogen werden können. Die Informationsübermittlung zwischen dem Gerät und der Anwendung oder Datenanalytik zur Weiterverarbeitung funktioniert in der Regel über Gateways.

Was ist der Nutzen des Industrial Internet of Things?

Aus der Nutzung des Industrial Internet of Things ergeben sich einige Vorteile und Chancen im industriellen Umfeld:

  • Automatisierung: Durch die Technologie und der Datenverarbeitung lassen sich bestimmte Prozesse in der Produktion automatisieren, flexibel gestalten sowie kurzfristig anpassen. Dies kann zu einer gesteigerten Effizienz von Prozessen führen.
  • Ausfallprognose: Mithilfe von Predictive Maintenance können Defekte oder Störungen vorhergesagt und präventiv behoben werden, bevor sie zu Schäden oder Unterbrechungen führen.
  • Kundenzufriedenheit: Einen weiteren Nutzen vom Industrial Internet of Things stellt die Erhöhung der Kundenzufriedenheit dar, indem Daten über die Kundennutzung gesammelt werden, welche in die zukünftige Produktgestaltung einfließen.

Neben den positiven Aspekten ist IIoT auch mit einigen Nachteilen und Herausforderungen konfrontiert:

  • Aufwand: Der Betrieb des Netzwerks und der Geräte führt unter anderem zu einem hohen Aufwand in der Verwaltung, da die Geräte stets auf dem neuesten Softwarestand gehalten und Sicherheitslücken umgehend geschlossen werden müssen.
  • Cybersecurity: Im Bereich der Sicherheit muss dafür gesorgt werden, dass die übertragenen Daten vor unerlaubtem Zugriff gesichert werden. Zudem muss auch verhindert werden, dass IIoT-Geräte von unbefugten Personen übernommen werden können.
  • Proprietär: Mangels einheitlicher Standards können Abhängigkeiten von bestimmten Herstellern entstehen, da IIoT-Geräte verschiedener Hersteller oftmals nicht untereinander kompatibel sind.

Welche Unternehmen sind die größten Anbieter von IIoT-Lösungen?

Einige große Unternehmen haben ihr Angebotsportfolio um IIoT-Lösungen erweitert. Beispiele hierfür sind unter anderem ABB Ability, Cisco IoT System oder Siemens MindSphere.

Was sind Beispiele für IIoT-Produkte bzw. IIoT-Softwarelösungen?

Grundlage für den Betrieb einer IIoT-Lösung ist die Hardware wie Sensoren, Aktoren, Mensch-Maschine-Schnittstellen oder andere Messinstrumente, welche die notwendigen Daten generieren. Zudem muss auch eine kabelgebundene oder mobile Netzinfrastruktur gegeben sein, welche für die Übertragung der Daten sorgt.

Beim Edge-Computing-Ansatz werden die Daten möglichst nah an der Entstehungsquelle verarbeitet, wodurch die Ergebnisse der verarbeiteten Daten schnell zur Verfügung stehen. Hingegen werden die Daten beim Cloud-Computing-Ansatz zentral gespeichert und dort mit großer potenzieller Rechenleistung weiterverarbeitet, welche auch den Einsatz von rechenintensiven Aufgaben des Machine Learnings ermöglicht. Die Verarbeitung der Daten und der Einsatz von Analytik oder anderen Business-Intelligence-Lösungen ist ein weiterer Erfolgsfaktor auf dem Gebiet des Industrial Internet Of Things.

Was ist der Unterschied zwischen IIoT und IoT?

Während bestimmte Gemeinsamkeiten zwischen IIoT und dem Internet of Things (IoT) wie Sensoren, vernetzte Geräte, die Konnektivität oder die Kommunikation bestehen, gibt es auch einige Unterscheidungsmerkmale. Beispielsweise liegt der Fokus beim Industrial Internet of Things in der Präzision und Zuverlässigkeit der Geräte im industriellen Umfeld, wohingegen IoT hauptsächlich in einer privaten Umgebung genutzt wird.

Zudem ist beim Industrial Internet of Things eine Interaktion mit Menschen eher die Ausnahme, da der Ansatz auf eine Steuerung und Überwachung von Produktionsprozessen und -systemen ausgelegt ist, welche mitunter auch in widrigen Bedingungen ohne Erhöhung des Ausfallrisikos funktionieren müssen.

Ein weiterer nennenswerter Unterschied besteht in den Datenmengen und der Komplexität der Daten. Beim Industrial Internet of Things werden dabei wesentlich höhere und kontinuierliche Datenmengen erfasst, welche schlussendlich auch verarbeitet werden.

Internet of Things (IoT)

Was ist Internet of Things (IoT)?

Beim Internet of Things (kurz IoT) handelt es sich um ein Netzwerk, in welchem physische Objekte mit anderen Systemen oder Geräten über das Internet verbunden sind und darüber kommunizieren können. Die Geräte (engl. Things) sind mit notwendigen Komponenten wie Sensoren, Aktoren oder Mikrocontrollern ausgestattet, um erforderliche Daten zu generieren und auch weiterleiten zu können.

Wie funktioniert das Internet of Things?

Für das Funktionieren eines IoT-Netzwerks sind bestimmten Komponenten notwendig. Diese können dem Prozess der Datensammlung, dem Datentransfer sowie der Datenanalyse bzw. dem Ergreifen von Maßnahmen zur weiteren Datenverarbeitung zugeordnet werden.

Zur Datensammlung werden web-fähige intelligente Geräte benötigt, welche in der Lage sind, Daten zu sammeln, diese weiterzuleiten und auf empfangene Daten zu reagieren. Diese sogenannten Smart Devices nutzen oftmals Sensoren, Antennen, Aktoren oder Mikrocontroller zur Datenerfassung.

Der Datentransfer wird über einen IoT-Hub oder ein IoT-Gateway hergestellt, wobei eine weitere Datenverarbeitung entweder über eine Cloud geschehen kann oder die Daten über einen Edge-Computing-Ansatz lokal analysiert und weiterverarbeitet werden können.

Im Analyseschritt werden die übermittelten Daten verarbeitet und dienen somit als Grundlage für weitere Entscheidungen oder Maßnahmen. Dieser Schritt kann durch eine bestimmte Analytik sowie mithilfe künstlicher Intelligenz oder Machine-Learning-Unterstützung bzw. anderer Backend-Systeme umgesetzt werden.

Was sind Nutzen und Risiken von IoT?

Der Erfolg und die Beliebtheit des Internets der Dinge lässt sich unter anderem auf folgende Chancen und Nutzen zurückführen:

  • Vernetzung: Durch die Möglichkeit der Vernetzung können einzelne digitale Prozesse aufeinander abgestimmt und automatisiert werden. Dies kann eine Zeit- und Ressourcenoptimierung als Folge haben.
  • Steuerung: Der Einsatz von IoT-Geräten kann den Automatisierungsgrad von Steuerungssystemen erhöhen, indem etwa die Beleuchtung, Klimatisierung oder andere Elemente damit gesteuert werden. Auch Sicherheitssysteme können implementiert werden und so zu einer Erhöhung der Sicherheit führen.
  • Überwachung: Mit der IoT-Technologie ist es möglich, Geräte und Systeme dauerhaft zu überwachen und gegebenenfalls entgegenzusteuern. Dies kann vorrangig bei Stromverbrauchern oder wartungsintensiven Geräte von Nutzen sein, indem Wartungsintervalle vor einer möglichen Beschädigung vorgeschlagen und durchgeführt werden.
  • Sicherheit: IoT kann auch zur Erhöhung der Sicherheit beitragen, indem beispielsweise in Fahrzeugen Assistenzsysteme verbaut werden, welche den Fahrer während der Fahrt unterstützen.

Neben den positiven Effekten ist das IoT auch mit einigen Risiken und Herausforderungen konfrontiert:

  • Datensicherheit: Aufgrund des ständigen Datenaustauschs zwischen den IoT-Geräten und dem Netzwerk bzw. der Cloud sind die Daten potenziellen Cyberbedrohungen ausgesetzt, welchen durch entsprechenden Schutzmaßnahmen entgegengewirkt werden muss. Dahin gehend sollte bei der Implementierung von IoT auf Cybersecurity besonderer Wert gelegt werden.
  • Proprietär: Fehlende Kompatibilitätsstandards sorgen dafür, dass Systeme verschiedener Hersteller mitunter nicht miteinander kompatibel sind und somit nicht gemeinsam verwendet werden können. Dadurch kann sich eine Einschränkung bei der Nutzung von IoT ergeben.
  • Datenmenge: Während die dauerhafte Kommunikation und der ständige Datentransfer als Vorteil in puncto Verfügbarkeit gesehen werden kann, führt dies jedoch auch zur Herausforderung bezüglich der Verwaltung und Organisation dieser großen Datenmengen. Mit dem Anschluss jedes weiteren IoT-Gerätes erhöht sich die Datenmenge und der Verwaltungsaufwand.

Was sind Beispiele für IoT-Produkte bzw. IoT-Softwarelösungen?

Der Einsatz von IoT-Lösung ist vielfältig und lässt sich in einigen Bereichen umsetzen. Beispielsweise bietet die Munich Re Versicherungsunternehmen ein IoT-Ökosystem an, in welchem die Unternehmen die Daten aus einer Versicherungsperspektive analysieren und folglich Gefahren und Risiken besser einschätzen und bepreisen können. Somit können Kunden individuellere Produkte angeboten werden.

Ein weiterer Anwendungsbereich von IoT-Produkten besteht in der Automobilindustrie. Bosch Mobility Solutions bietet für Fahrzeughersteller IoT-Lösungen an, welche die Fahrassistenzsysteme sowie das Infotainment, aber auch die Funktionalitäten des autonomen Fahrens, individualisierte Serviceangebote und die Personalisierung unterstützen.

Auch im Gesundheitswesen werden vermehrt IoT-Lösungen eingesetzt. Das Unternehmen ScienceSoft bietet Produkte an, welche etwa das Monitoring von Vitalwerten von Patienten, aber auch von medizinischen Geräten in Einrichtungen umsetzen. Zudem können dadurch Abläufe verbessert und Engpässe reduziert werden.

Was ist der Unterschied von IoT zu IIoT?

Neben einigen Gemeinsamkeiten zwischen IoT und dem Industrial Internet of Things (IIoT) bestehen auch Unterschiede, welche die beiden Technologien trennt. Während der Schwerpunkt bei IIoT auf der Präzision und Zuverlässigkeit der Komponenten liegt und im industriellen Umfeld angesiedelt ist, zielt IoT eher auf Anwendungsfälle mit menschlicher Beteiligung ab.

Zudem steht beim IoT oftmals eine Business-to-costumer-Verbindung im Mittelpunkt. IIoT-Lösungen zielen hingegen eine Steuerung und Überwachung von Produktionsprozessen und -systemen ab. Des Weiteren sind IIoT-Anwendungsfälle in der Regel mit einer wesentlich höheren und kontinuierlichen Datenmenge zur Verarbeitung konfrontiert als IoT-Lösungen.

Ithaca (DeepMind)

Was ist Ithaca?

Bei Ithaca handelt es sich um eine Software bzw. einen Algorithmus des britischen Unternehmens DeepMind, welcher mittels maschinellem Lernen lückenhafte antike Texte wieder vervollständigen soll. Dazu wird das Programm in erster Linie in der Epigrafik, der Wissenschaft über Inschriften auf verschiedenen Materialien, eingesetzt. Aktuell zielt der Algorithmus auf die Analyse altgriechischer Texte ab, jedoch ist zukünftig die Anwendung auch für andere Sprachen geplant.

Neben der Vervollständigung der Lücken soll Ithaca auch Aufschlüsse über den Ursprungsort sowie den Entstehungszeitpunkt der Texte geben. Die Datierung dieser Texte war bisher mit gängigen Verfahren wie beispielsweise der Radiokarbonmethode nicht möglich, da für diese Anwendung die Texte auf kohlenstoffhaltigen Materialien verfasst werden mussten.

Der Algorithmus wurde vom Unternehmen DeepMind (AlphaGo, AlphaZero, AlphaFold) in Zusammenarbeit mit mehreren Unternehmen wie Google und Universitäten wie der University of Oxford, der Athens University of Economics and Business oder der Università Ca’Foscari di Venezia entwickelt. Der Name Ithaca wurde als Hommage an die gleichnamige Heimatinsel des Odysseus aus Homers Epen gewählt.

Um den Algorithmus möglichst vielen Menschen zugänglich zu machen, wurde der Quellcode seitens DeepMind auf der Open-Source Versionsverwaltungsplattform GitHub zur Verfügung gestellt, welcher dort genutzt bzw. weiterentwickelt werden kann.

Welche Funktionen stecken in DeepMind’s neuem ML-Modell?

Der Algorithmus zur Textvervollständigung funktioniert – wie die meisten Algorithmen, welche künstliche Intelligenz anwenden – auf Basis von Wahrscheinlichkeiten. Dazu berechnet Ithaca anhand der größten digitalen Datenbank für antike Texte des Packard Humanities Institute aus Kalifornien jene Wörter, welche am wahrscheinlichsten in die Lücken passen. Die Datenbank umfasst knapp 180.000 Inschriften, welche allesamt mittels Metadaten wie Ort und Zeit versehen sind.

Darauf aufbauend wird das Rechenergebnis Experten zur endgültigen Feststellung der Textlücken vorgelegt, welche den ursprünglichen Text mit ihrer Expertise bewerten. In einem durchgeführten Experiment von DeepMind konnte Ithaca alleinig einzelne Wörter mit einer Genauigkeit von 62 % wiederherstellen, Historiker gelang dies jedoch lediglich mit einer Genauigkeit von 25 %. Durch die Zusammenarbeit der Bewertung des Programms und der Experten stieg die Genauigkeit zur Wiederherstellung fehlender Wörter auf 72 %.

Zur Datierung und Zuordnung der Region, in welcher die jeweilige Schrift entstanden ist, unterstützt das „Lexicon of Greek Personal Names“ (LGPN), ein Lexikon griechischer Namen der britischen Universität Oxford. Mit diesen Daten kann analysiert werden, wann welche Namen am häufigsten in welcher Region vertreten waren, um somit Erkenntnisse über die geografische und zeitliche Einordnung der antiken Texte zu generieren. Dadurch soll Ithaca bei der Zeitangabe eine Genauigkeit von 71 % erreichen und beim vorgeschlagenen Entstehungszeitpunkt in einer Zeitspanne von weniger als 30 Jahren liegen.

Wie können Forscher auf Ithaca von DeepMind zugreifen?

Auf den Algorithmus kann über mehrere Wege zugegriffen werden:

  • Auf der Open-Source Versionsverwaltungsplattform GitHub ist der Quellcode, die Bibliotheken sowie weitere Einbindungsmöglichkeiten zur Nutzung von Ithaca angeführt.
  • Ithaca wurde in einem Beitrag der Fachzeitschrift Nature publiziert. Im öffentlich zugänglichen Beitrag wird auf die Arbeitsweise des neuronalen Netzes eingegangen. Zudem werden die verwendeten Methoden detailliert beschrieben sowie Beispiele dargestellt. Auch der Zusammenhang zur vorherigen Textwiederherstellung auf Basis neuronaler Netze von DeepMind namens Pythia wird gebildet.
  • Der Algorithmus ist des Weiteren über die Ithaca-Webseite des Unternehmens DeepMind abrufbar und wird frei und öffentlich zugänglich Forschenden zur Verfügung gestellt. Dort kann mittels Textbox der altgriechische Text eingegeben werden, bei welchem die fehlenden Stellen wiederhergestellt werden. Zudem wird eine Datierung sowie eine Lokalisierung des Erscheinungsorts vorgenommen.

Intelligenter Agent

Was ist ein Intelligenter Agent?

Ein intelligenter Agent (IA) in der Künstlichen Intelligenz (KI) ist ein Programm, welches Entscheidungen treffen oder auch einen Dienst ausführen kann, basierend auf der Umgebung, den Eingaben und von Erfahrungen. Intelligente Agenten werden genutzt, um autonom Informationen über einen regelmäßigen programmierbaren Zeitplan oder aber auch auf Aufforderung durch den Benutzer in Echtzeit zu sammeln.

Solche Agenten werden auch als Bots bezeichnet. Diese Technik, bei der Informationen durch einen Agenten geliefert werden, wird Push Technologie genannt.

Es gibt verschiedene Arten von intelligenten Agenten, wie etwa Reflexions-Agenten, modellbasierte Agenten, zielbasierte Agenten, nutzenbasierte Agenten und lernende Agenten. Diese Arten von intelligenten Agenten werden praktisch durch ihre Bandbreite von Fähigkeiten und Funktionen definiert. Beispiele für diese Agenten sind Alexa und Siri. Diese verwenden Sensoren für die Kommunikation mit dem Benutzer.

Die Intelligenter-Agent-Architektur weist eine Kombination aus Agenten-Funktionen, Architektur und Agent-Programmen auf. Diese Architektur ist eine Maschinerie, auf deren Basis der Agent seine Aktionen ausführt. Im Wesentlichen ist es ein Gerät, bei dem es eingebettete Aktoren und Sensoren gibt. So existieren autonome Fahrzeuge mit Bewegungs- und GPS-Sensoren. Es gibt außerdem Aktoren, die auf Eingaben basieren und die das tatsächliche Fahren unterstützen.

Wo werden IA bei Künstlicher Intelligenz genutzt?

Weitverbreitete Techniken, in denen KI erfolgreich eingesetzt wird, gibt es etwa bei Industrierobotern und bei automatisierten Fertigungsanlagen, in der Qualitätssicherung, mit automatischer Bilderkennung, sowie mit Spracherkennung und Sprachgewinnung, als auch bei Wetter- oder Börsen-Vorhersagen und bei wissensbasierten Expertensystemen.

Typen von Intelligenten Agenten

Zu den Typen der IA zählen:

  • autonome,
  • kognitive,
  • kommunikative,
  • modal adaptive,
  • aktive,
  • reaktive,
  • robuste
  • und soziale Agenten.

Intelligente Agenten zeichnen sich durch Wissen, Lernfähigkeit und die Möglichkeit zu Schlussfolgerungen aus. Auch haben diese Agenten die Fähigkeit zur Verhaltensänderung.

Ein intelligenter Softwareagent kann flexibel handeln. Er ist reaktiv, proaktiv und sozial. Solch ein IA kann autonom in seiner Umgebung agieren. Er erfüllt seine Aufgaben im Auftrag eines Benutzers oder auch von anderen Agenten.

Ein Intelligenter Agent weist die Fähigkeit auf, aufgabenorientiert Problemlösungen durch eine autonome, reaktive und zielgerichtete Anwendung geeigneter Methoden Künstlicher Intelligenz zu nutzen. Er verwendet eine entsprechende Wissensrepräsentation in seiner Umgebung mit den zugehörigen Aktionen und Zielen. Der IA nutzt logische Schlussfolgerungen und heuristische Lösungssuchen beim Planen. Er verwendet maschinelles Lernen und kann unsicheres Wissen behandeln. Mit ihm ist eine intelligente Interaktion möglich, mit Visualisierung und natürlichsprachlichem Dialog.

Es gibt einfache reaktive Agenten, statusbasierte Reflex Agenten, praktisch begründende (planende) Agenten und lernende Agenten. Bei sozialen Agenten gibt es robuste und verteilte Kooperationen mit verschiedenen anderen Agenten für individuelle oder gemeinsame Aufgaben und Ziele. Und in einem Multiagentensystem verfolgen interagierende Agenten verteilte Problemlösungen. Es gibt dabei hierarchische Aufgabenverteilung und ein emergentes Lösungsverhalten (mit Schwarmintelligenz). Außerdem existiert eine Koordination im System, mit Kommunikation zwischen den Agenten und mit verschiedenen Kooperationsmodellen.

ImageNet

Was ist ImageNet?

ImageNet stellt eine Datenbank dar, welche speziell in der Forschung eine Anwendung findet. In dieser befinden sich Bilder, welche Substantiven zugeordnet werden und in Hierarchieform angeordnet sind. Auf etwa 500 Bilder kommt ein Substantiv, wobei über 14 Millionen Bilder in der Datenbank integriert sind. Des Weiteren gibt es weit über 20.000 verschiedene englischsprachige Kategorien.

Anwendungsgebiete

Das Projekt erfreut sich bei verschiedenen Forschungsprojekten einer großen Beliebtheit. Schon 2009 wurde dieses herausgebracht und wird zu Trainingszwecken im Bereich des Convolutional Neutral Networks angewandt. Der seit dem Jahr 2010 veranstaltete Softwarewettbewerb ILSVRC wird dazu genutzt, um Szenen und diverse Objekte richtig zu klassifizieren beziehungsweise zu bestimmen. Gerade wenn es um maschinelles Lernen geht, darf ImageNet als Erwähnung in dem Zusammenhang natürlich nicht fehlen.

Bilder und Begriffsdatenbank

Prinzipiell geht es darum, dass zu einem bestimmten Begriff wiederum das richtige Symbol oder Bild dargestellt werden soll. Damit das System erkennt, welches Substantiv beziehungsweise welcher Begriff zum korrekten Bild gehört, kann man als Programmierer Assoziationen und Vergleiche schaffen, immer im Zusammenhang mit der jeweiligen Klasse. In einer normalen Standardsuchmaschine ist das System ähnlich. Nutzer finden Informationen nur zu dem Begriff, welchen sie zuvor eingegeben haben. Damit stets Bilder zum gesuchten Substantiv angezeigt werden, muss die Datenbank immer auf dem neuesten Stand sein.

ImageNet als Künstliche Intelligenz

Als eigenständiges Datenbanksystem können Anwender auf einen komplexen Dienst zurückgreifen, welcher verschiedene Ergebnisse zu einem einzigen Suchbegriff anzeigt, welche jedoch alle in einem Zusammenhang stehen. Beim Riechen eines bestimmten Geruchs erzeugt sowie aktiviert dieser im menschlichen Gehirn mehrere gedankliche Bilder sowie Assoziationen und Erinnerungen, welche er irgendwann mal im früheren Leben erlernt, erworben und gemacht hat. Daraus resultiert dann eine bestimmte Reaktion.

So ähnlich ist das auch bei ImageNet als künstliche Intelligenz. Durch die Einspeisung verschiedener Bilder und dazugehörige Informationen sowie die Häufigkeit der Eingabe von bestimmten Suchbegriffen kann das System nicht nur die Beliebtheit dieser bestimmen, sondern auch ein eigenes Ranking sowie Verbindungen zu ähnlichen Wörtern herstellen.

Zukunft

ImageNet ist eine Plattform und Datenbank, welche nie auf ein und demselben Stand stehen bleibt. Ständige Updates und Erweiterungen sorgen dafür, dass immer wieder Bilder und Substantive beziehungsweise Suchbegriffe hinzukommen, mit denen das System arbeiten kann. Die Datenbank vergrößert sich, entwickelt sich also weiter. Ähnlich wie im menschlichen Gehirn werden Strukturen und das Intelligenznetz immer mehr ausgebaut. Auch wenn die Datenbank auf zusätzlichen Input angewiesen ist, kann sie aufgrund der großen Beliebtheit und Nachfrage aus der Industrie und Forschung auf eine rosige Zukunft hoffen.

Zugleich stellen normalerweise große Datensammler Dienste unter Umständen auch eine Gefahr dar. Alles, was man dort veröffentlicht und nutzt, wird irgendwie und irgendwo von irgendwen ausgewertet und für Zwecke verschiedener Art verwendet sowie ausgewertet. Die Erhebung von Statistiken und Marktforschungszwecken können dabei nur einige der Aspekte sein. Große Suchmaschinen arbeiten nach einem ähnlichen Prinzip. Leider fehlt es für Laien und Normalnutzern oft an Transparenz, was mit den Daten geschieht.